Accueil
›
Section E — Éthique, risques et gouvernance
›
Empreinte écologique de l’IA
L’anecdote de Yannick · étape 3 de « L’autre coût de l’IA »
Yannick cherche les chiffres au retour à la maison. La consommation électrique des centres de données de l’IA dans le monde dépasserait celle de la France à l’horizon 2030. Le Québec est convoité — son hydroélectricité bon marché, son climat froid (refroidissement naturel), sa stabilité politique. Hydro-Québec négocie déjà avec les géants. Yannick comprend que sa centrale alimente, indirectement, ChatGPT.
Côté machine
L'empreinte écologique de l’IA est devenue un enjeu mondial : consommation électrique massive (l'entraînement d’un grand modèle équivaut à des centaines de vols transatlantiques), refroidissement à l’eau qui assoiffe certaines régions, durée de vie courte du matériel qui produit les mégadonnées . Le Québec, riche en hydroélectricité, devient une destination convoitée pour les centres de données mondiaux.
L’anecdote de Julie, ingénieure en infrastructure énergétique · étape 4 de « L’usine d’IA à LaSalle »
Sur le chemin du retour, Julie repense à un chiffre. Une recherche Google : 0,3 wattheure. Une question à GPT-5 : autour de 3 wattheures. Dix fois plus. Mais à LaSalle, ces 3 wattheures sortent d’une rivière, pas d’un puits de gaz. « On consomme plus, mais en émettant moins. » Elle écrit la phrase dans son carnet. Pour la prochaine table ronde où on lui demandera si l’IA détruit la planète , elle aura sa nuance prête : l’IA accélère la consommation, mais le mix énergétique du Québec change radicalement le bilan.
Côté machine
L'empreinte écologique de l’IA est massive et croissante : centres de données, eau de refroidissement, métaux rares dans les puces, GPU obsolètes en moins de 3 ans. Mais elle dépend fortement du mix énergétique local . Au Québec, l’électricité produit 34,5 g éqCO₂/kWh — environ 95 % moins qu’aux États-Unis. C’est le pari stratégique du Québec : devenir l’usine d’IA propre du continent.
Empreinte écologique de l’IA
Équivalent anglais AI environmental footprint
Ensemble des incidences environnementales liées à la conception, à l’entraînement et à l’utilisation des systèmes d’intelligence artificielle : consommation d’électricité, émissions de gaz à effet de serre, consommation d’eau pour le refroidissement des centres de données, extraction de matériaux pour le matériel.
Exemple
L’entraînement d’un grand modèle de langage peut émettre l’équivalent en CO₂ de plusieurs centaines de vols transatlantiques.
Source Mila (rapport « Mesurer l’empreinte carbone de l’IA ») ; OBVIA.
